肿瘤内科王俊团队在《Journal of Medical Virology》（2021年影响因子20.693）杂志发表了题为“A nomogram prediction of outcome in patients with COVID-19 based on individual characteristics incorporating immune response-related indicators” 的研究论文。该论文以山东第一医科大学第一附属医院（山东省千佛山医院）为第一作者和通讯作者单位，我院健康医疗大数据研究中心唐芳、山东财经大学统计学院数据科学系张霄帅、武汉大学人民医院肿瘤中心章必成为论文共同第一作者，王俊为通讯作者。

 

 

大约有20-30%的新冠肺炎（COVID-19）是重症，会发展为急性呼吸窘迫综合征和多器官功能障碍，目前缺乏预测标志物和有效的治疗措施，预后差。王俊团队前期研究发现，病毒载量和过度的宿主免疫反应与COVID-19病理进程和器官损伤密切相关，包括天然免疫和获得免疫反应；COVID-19重症患者的IgG水平和中性粒细胞与淋巴细胞的比（NLR）明显高于轻症患者；新冠病毒 IgG和NLR组合的不同免疫表型与患者病情危重程度有关。在NLRhiIgGhi、NLRhiIgGlo、NLRloIgGhi和NLRloIgGlo四个免疫表型中，重症患者占比分别为72.3%、48.5%、33.3%和15.6%，上述四型的重症患者的好转率分别为58.8%、68.8%、80.0%和100%。因此，该研究提示，抗体反应与COVID-19患者的严重性有关，根据新冠病毒IgG水平和NLR组合的不同免疫表型，可合理选择现有的治疗手段精准治疗COVID-19（该研究成果发表于《Frontiers in Molecular Biosciences》杂志，已被引用192次）。

基于前期研究结果，由王俊、唐芳牵头形成的临床医学、流行病与卫生统计学、数据科学的多学科交叉研究团队，结合COVID-19患者天然和获得性免疫相关的临床大数据，探索构建了COVID-19患者病情严重程度和预后的预测模型。该研究发现，在197例COVID-19患者中，40.6%的COVID-19患者为重症；IgG、NLR、乳酸脱氢酶、血小板计数、白蛋白和血尿素氮水平是COVID-19严重程度的主要影响因素；基于这些因素构建的Nomogram模型可准确预测患者的严重性和预后；与NLRloIgGlo表型比较，NLRhiIgGhi表型的 COVID-19患者更容易发展成重症新冠肺炎，且预后更差。该研究基于IgG、NLR等大数据构建的新冠肺炎患者严重性和预后的Nomogram模型具有较好的预测能力，为新冠肺炎患者的个性化诊疗提供了新的参考依据。

该研究成果的产出充分发挥了交叉学科团队优势。临床专家从临床实践中发现科学问题，健康医疗大数据研究中心流行病与卫生统计学、数据科学专家在研究设计、数据处理、统计分析以及论文撰写等方面提供方法学支撑，凝心聚力，取长补短，加速科研成果产出效率、提高研究成果质量。